現(xiàn)代工程裝備呈現(xiàn)長壽命服役的發(fā)展趨勢，結(jié)構(gòu)超長壽命預測對安全可靠服役至關重要。超高周疲勞是結(jié)構(gòu)超長壽命服役需要考慮的失效模式，人們通過研究疲勞裂紋萌生與擴展機理，建立了超高周疲勞壽命的物理模型；近年來，人工智能與疲勞研究的結(jié)合為壽命預測提供了新思路，但數(shù)據(jù)量不足、純數(shù)據(jù)驅(qū)動未有效融合物理模型仍是制約疲勞壽命預測的難題。
針對這些問題，華東理工大學朱明亮教授、軒福貞教授等人提出了數(shù)據(jù)-物理模型驅(qū)動的超高周疲勞壽命預測框架（圖1），通過選擇結(jié)構(gòu)材料的小樣本疲勞壽命數(shù)據(jù)，使用z參量壽命模型進行數(shù)據(jù)擴展，引入多種機器學習算法和物理模型，采用多種材料對數(shù)據(jù)-物理模型的預測能力進行比較與驗證。系列研究成果以“on micro-defect induced cracking in very high cycle fatigue regime”“a data-physics integrated approach to life prediction in very high cycle fatigue regime”和“data-driven approach to very high cycle fatigue life prediction”為題先后發(fā)表在fatigue fract. eng. mater. struct.2022; 45: 3393、int. j. fatigue2023; 176: 107917和eng. fract. mech.2023; 292: 109630上。研究發(fā)現(xiàn)，訓練集越大，機器學習方法預測材料疲勞壽命準確率越高，數(shù)據(jù)與物理模型的融合可顯著提升預測準確度，為小樣本數(shù)據(jù)下的超高周疲勞壽命預測提供了解決方案?；趜參量模型和人工神經(jīng)網(wǎng)絡搭建的z-pinn模型對15cr鋼、fv520b-i鋼和gcr15鋼的超高周疲勞壽命預測準確率分別為78.9%、89.3%和94.3%（圖2）。
圖1 數(shù)據(jù)-物理模型驅(qū)動的疲勞裂紋擴展和超高周疲勞壽命預測框架圖2三種典型材料超高周疲勞壽命預測準確度比較
通訊作者簡介：
朱明亮，教授、博導，主要從事機械結(jié)構(gòu)疲勞、損傷與斷裂研究，發(fā)表學術論文100余篇，出版專著1部，獲省部級科技一等獎3項。兼任中國材料研究學會疲勞分會理事、中國機械工程學會成組與智能集成技術分會常務委員。軒福貞，教授、博導，主要從事機械結(jié)構(gòu)強度、智能傳感與壽命可靠性、數(shù)字孿生技術等領域研究，發(fā)表學術論文300余篇，出版專著5部，獲國家科技進步一等獎、二等獎等獎勵。兼任中國機械工程學會壓力容器分會副理事長、中國化工學會副理事長等。